f_classif#

sklearn.feature_selection.f_classif(X, y)[原始碼]#

計算所提供樣本的 ANOVA F 值。

請參閱使用者指南以了解更多資訊。

參數:
X形狀為 (n_samples, n_features) 的 {類陣列，稀疏矩陣}

將依序測試的迴歸器集合。

y形狀為 (n_samples,) 的類陣列

目標向量。

返回:
f_statistic形狀為 (n_features,) 的 ndarray

每個特徵的 F 統計量。

p_values形狀為 (n_features,) 的 ndarray

與 F 統計量相關的 P 值。

另請參閱

chi2

chi2：用於分類任務的非負特徵卡方統計量。

f_regression

f_regression：迴歸任務的標籤/特徵之間的 F 值。

範例

>>> from sklearn.datasets import make_classification
>>> from sklearn.feature_selection import f_classif
>>> X, y = make_classification(
...     n_samples=100, n_features=10, n_informative=2, n_clusters_per_class=1,
...     shuffle=False, random_state=42
... )
>>> f_statistic, p_values = f_classif(X, y)
>>> f_statistic
array([2.2...e+02, 7.0...e-01, 1.6...e+00, 9.3...e-01,
       5.4...e+00, 3.2...e-01, 4.7...e-02, 5.7...e-01,
       7.5...e-01, 8.9...e-02])
>>> p_values
array([7.1...e-27, 4.0...e-01, 1.9...e-01, 3.3...e-01,
       2.2...e-02, 5.7...e-01, 8.2...e-01, 4.5...e-01,
       3.8...e-01, 7.6...e-01])